Un Medical Science Liaison (MSL) puede conocer profundamente una publicación y, aun así, no generar un Insight. Porque compartir evidencia no es lo mismo que hacerla relevante.
Un Insight aparece cuando la información científica conecta con algo que el profesional de la salud necesita comprender y le permite mirar una pregunta, una evidencia o una decisión con mayor claridad. Por eso, la pregunta no debería ser únicamente:
¿Qué evidencia quiero presentar? Sino:
¿Qué evidencia responde mejor a lo que este interlocutor necesita comprender?
En el Modelo E.I.A. de XOLOMON®, esta decisión se organiza alrededor de cuatro elementos:
PREOCUPACIÓN → EVIDENCIA → UTILIDAD → LÍMITE
La secuencia parece sencilla. Pero puede cambiar profundamente la conversación.
¿Qué significa realmente generar un Insight?
La palabra Insight se utiliza con frecuencia en Medical Affairs. Puede referirse a una observación obtenida del campo, una nueva comprensión sobre un stakeholder, una barrera clínica o información capaz de alimentar la estrategia médica. En este artículo utilizaremos el término en un sentido específicamente conversacional:
Un Insight ocurre cuando una evidencia adquiere significado porque responde a una preocupación que previamente comprendimos.
Esto significa que el Insight no vive exclusivamente en el dato. Surge de la relación entre:
lo que importa al interlocutor y lo que la evidencia puede ayudar a comprender.
Una publicación científica mantiene los mismos resultados independientemente de quién la lea. Su relevancia conversacional, en cambio, puede ser completamente diferente.
La evidencia no debería elegir la conversación
Uno de los riesgos naturales para un MSL es comenzar desde aquello que conoce mejor. Un estudio reciente, una nueva publicación, un análisis secundario, una gráfica particularmente interesante. La lógica puede convertirse en:
Tengo evidencia → necesito encontrar dónde utilizarla.
Pero una conversación centrada en el HCP funciona al revés:
Comprendo una necesidad → identifico qué evidencia puede responderla.
Este cambio modifica la intención. El MSL deja de buscar una oportunidad para presentar contenido y comienza a seleccionar contenido en función de la conversación.
MAPS identifica el external scientific engagement como una capacidad central de Field Medical y plantea que estas interacciones deben planearse, ejecutarse y evaluarse buscando generar valor para los stakeholders. (Sociedad Profesional de Asuntos Médicos).
De escuchar a aportar
Dentro del Modelo E.I.A. de XOLOMON®, el núcleo es:
ESCUCHAR → INSIGHT → AVANZAR
Escuchar responde: ¿Qué importa realmente? Insight responde: ¿Qué evidencia puede ayudar a comprenderlo? Avanzar responde: ¿Qué tiene sentido hacer ahora?
La calidad del Insight depende, por tanto, de la calidad de la escucha previa. Si comprendimos incorrectamente la preocupación, podemos presentar evidencia impecable y aun así resultar poco relevantes.
El diseño metodológico de XOLOMON® plantea precisamente que la evidencia debe responder a una preocupación previamente comprendida y comprobada.
El Insight exige cuatro decisiones
En XOLOMON® trabajamos esta aportación mediante cuatro elementos:
PREOCUPACIÓN → EVIDENCIA → UTILIDAD → LÍMITE
No es una frase que el MSL deba memorizar. Es un mapa para tomar mejores decisiones antes de hablar.
1. Preocupación: ¿qué necesita comprender realmente?
Antes de seleccionar evidencia necesitamos responder:
¿Qué está intentando comprender el interlocutor?
No basta con identificar el tema general. Por ejemplo, “eficacia” puede esconder preguntas muy diferentes:
- ¿Funciona en determinado perfil?
- ¿Qué tan consistente es el efecto?
- ¿Cuál fue el comparador?
- ¿Qué endpoints se evaluaron?
- ¿Qué población quedó fuera?
- ¿Qué ocurre en práctica real?
- ¿Qué tan aplicables son los resultados a los pacientes que veo?
Todas pertenecen al territorio de eficacia. Pero no requieren la misma evidencia. Por eso, el primer trabajo del MSL no es responder.
Es precisar la preocupación.
2. Evidencia: ¿qué información responde mejor?
Una vez comprendida la preocupación aparece una segunda decisión:
¿Qué pieza de evidencia responde mejor a esa pregunta?
No necesariamente la más nueva. No necesariamente la más extensa. Ni necesariamente la que el MSL domina mejor. La más pertinente. Seleccionar implica también decidir qué información no necesita entrar todavía. Una conversación científica puede perder claridad cuando intentamos demostrar todo lo que sabemos.
La profundidad científica no consiste en decir todo. Consiste en saber qué información necesita entrar y cuál puede permanecer fuera.
Las recomendaciones conjuntas de APPA, IFAPP, MAPS y MSLS señalan que el MSL debe participar en intercambio científico preciso, no sesgado y no promocional, y advierten contra seleccionar u omitir información de manera que pueda inducir a una interpretación equivocada. (PubMed Central (PMC))
3. Utilidad: ¿por qué esta evidencia importa aquí?
Presentar una publicación no garantiza que el interlocutor comprenda por qué resulta relevante para su pregunta. El MSL necesita construir un puente. No para imponer una conclusión. Sino para ayudar a responder:
¿Por qué esta evidencia puede ser útil en este contexto?
Supongamos que el HCP pregunta por la aplicabilidad de una evidencia a determinado perfil de pacientes. No basta con enumerar: diseño; tamaño de muestra; endpoint; resultado; valor p. Podría ser más útil decir:
“Considerando la pregunta que plantea sobre ese perfil, puede ser útil revisar primero cómo estaba compuesta la población del estudio y cuáles fueron los principales criterios de inclusión y exclusión.”
Todavía no hemos impuesto una conclusión. Hemos ayudado a orientar la evidencia hacia la pregunta adecuada.
4. Límite: ¿qué no permite afirmar esta evidencia?
Éste es uno de los elementos más importantes del Insight. Toda evidencia tiene límites. Población, Diseño, Comparador, Endpoint, Duración, Tipo de análisis, Capacidad de generalización.
Reconocer esos límites no debilita la aportación. La hace científicamente responsable.
Una evidencia gana credibilidad cuando podemos explicar con la misma claridad lo que demuestra y lo que no permite concluir.
El diseño del Modelo E.I.A. de XOLOMON® incorpora esta disciplina explícitamente: mecanismo, asociación o determinados hallazgos pueden aportar contexto, pero no deben convertirse automáticamente en afirmaciones clínicas que la evidencia no sostiene.
Compartir evidencia no es lo mismo que generar un Insight
Comparemos dos aproximaciones. Un HCP comenta:
“No sé qué tan aplicables son estos resultados a los pacientes que veo habitualmente.”
Opción A — Compartir información
El MSL responde:
“El estudio fue multicéntrico, incluyó 2,400 pacientes y mostró una reducción estadísticamente significativa…”
Puede ser información completamente correcta. Pero todavía no sabemos si responde a la preocupación.
Opción B — Construir pertinencia
El MSL pregunta primero:
“Cuando habla de aplicabilidad, ¿hay algún perfil de paciente en particular que le genere la duda?”
El HCP amplía. El MSL comprueba. Y sólo entonces aporta:
“Considerando ese punto, puede ser útil revisar primero cómo estaba representado ese perfil dentro de la población estudiada. Al mismo tiempo, habría que considerar que el estudio no fue diseñado específicamente para responder esa pregunta en ese subgrupo.”
Misma evidencia. Conversación diferente. La segunda respuesta incorpora:
preocupación → evidencia → utilidad → límite.
El Insight no es una mini-presentación
Cuando finalmente aparece una oportunidad para aportar, existe otro riesgo: decir demasiado. Después de escuchar durante varios minutos puede sentirse natural “aprovechar” el momento y presentar todo el contexto. Pero si la escucha reveló una pregunta concreta, normalmente conviene comenzar con una aportación igualmente concreta.
Una estructura posible es:
“Considerando lo que comenta sobre…, puede ser útil revisar…, porque… Al mismo tiempo, es importante considerar…”
No se trata de memorizar esas palabras. Se trata de conservar la lógica:
lo que escuché → lo que aporto → por qué puede ayudar → dónde está el límite.
¿Cómo saber si la evidencia realmente respondió?
Existe una pregunta particularmente útil:
¿Esto respondió a la preocupación o simplemente fue información correcta?
Podemos compartir información:
- científicamente precisa;
- aprobada;
- correctamente referenciada;
- interesante;
y aun así no responder a lo que el interlocutor quería comprender. Por eso, después de aportar también conviene comprobar. Por ejemplo:
“¿Esto ayuda a responder la parte que le generaba la duda?” O:
“¿Hay algún aspecto que todavía no responda a lo que quería revisar?”
El Insight no termina cuando el MSL deja de hablar. La respuesta del HCP vuelve a decidir qué necesita la conversación.
¿Qué ocurre cuando aparece una reserva?
Una buena conversación científica no intenta eliminar todas las reservas. Las reservas también pueden ser señal de pensamiento crítico. Supongamos que el interlocutor dice:
“Entiendo, pero sigo sin estar convencido de que podamos extrapolarlo a ese tipo de paciente.”
La tentación puede ser buscar rápidamente otro dato que “resuelva” la reserva. Una alternativa es:
Reconocer: “Es una reserva válida.”
Delimitar: “Esta evidencia permite responder este aspecto, pero no demuestra específicamente ese otro punto.”
Responder o validar: Si existe información pertinente, se aporta. Si requiere revisión: “Prefiero revisar específicamente la evidencia disponible sobre esa pregunta antes de responderle.”
Comprobar: “¿Ésa es la parte que le gustaría que revisáramos?”
La reserva deja de ser una objeción. mSe convierte en información acerca de qué necesita la conversación.
Saber decir “no lo sé” también forma parte del rigor
Un MSL no pierde necesariamente credibilidad por no tener inmediatamente todas las respuestas. Puede perderla tratando de parecer que las tiene. Cuando una pregunta excede la evidencia disponible o requiere validación adicional, una respuesta responsable puede ser:
“No quisiera extrapolar más allá de lo que la evidencia permite. Déjeme revisar específicamente esa pregunta y regresar con información validada.”
Eso hace visibles dos cosas: criterio científico y respeto por los límites.
El position paper conjunto de APPA, IFAPP, MAPS y MSLS enfatiza la integridad, transparencia y rigor de las comunicaciones científicas externas del MSL. (PubMed Central (PMC))
El conocimiento científico sigue siendo indispensable
Nada de esto disminuye la importancia del dominio científico. Al contrario. Para seleccionar evidencia correctamente, explicar su utilidad y reconocer sus límites, el MSL necesita conocimiento profundo. Pero el conocimiento técnico es sólo una parte de la capacidad.
Una encuesta entre KOLs encontró entre los atributos más valorados del MSL el conocimiento de producto, credibilidad científica, conocimiento del área terapéutica, oportunidad de respuesta y habilidades de comunicación. (PubMed)
No basta con saber. También hay que saber qué hacer con lo que sabemos dentro de una conversación.
La prueba de pertinencia: cinco preguntas antes de aportar
Antes de presentar evidencia, el MSL puede hacerse cinco preguntas:
- ¿Qué preocupación estoy intentando responder?
- ¿Qué evidencia responde directamente a esa preocupación?
- ¿Por qué puede ser útil en este contexto?
- ¿Qué límite debería hacer visible?
- ¿Puedo explicarlo con claridad antes de agregar más información?
Si la primera pregunta no tiene una respuesta clara, quizá todavía no sea momento de aportar. Tal vez haya que regresar a escuchar.
Insight no significa convencer
Ésta es otra distinción fundamental. El objetivo de construir un Insight no es hacer que el HCP llegue a una conclusión determinada. Es ayudar a que la evidencia pueda analizarse en relación con una pregunta relevante. Puede ocurrir que después de revisar la evidencia el interlocutor mantenga su reserva. Eso no significa necesariamente que la conversación haya fracasado. También puede terminar con:
“Con esta evidencia sigo sin tener suficiente información para concluirlo.”
Si esa conclusión representa correctamente el alcance de los datos, puede ser una conversación científicamente valiosa.
El objetivo no es conseguir acuerdo. Es mejorar comprensión.
Del Insight a Avanzar
Después de aportar aparece otra decisión. No:
“¿Cómo consigo otra reunión?” Sino:
¿Qué tiene sentido hacer ahora?
Puede ser continuar. Responder otra pregunta. Compartir un recurso. Validar algo. Postergar. O cerrar. Por eso el núcleo del Modelo E.I.A. de XOLOMON® conecta:
ESCUCHAR → INSIGHT → AVANZAR
La escucha determina qué evidencia tiene sentido. El Insight determina qué nueva comprensión se puede construir. Y la respuesta del interlocutor ayuda a decidir qué debería ocurrir después.
¿Cómo desarrollar Insights en un equipo de MSLs?
No basta con explicar el framework. Hay que practicar la selección. Una dinámica útil consiste en ofrecer al equipo:
- una preocupación concreta;
- varias piezas de evidencia;
- información que sí resulta relevante;
- información correcta pero innecesaria;
- y un límite científico que debe comunicarse.
El objetivo no es comprobar quién sabe más. Es observar quién logra decidir:
qué entra; qué queda fuera; por qué es útil; y qué límite debe explicarse.
El feedback puede concentrarse en cuatro preguntas: ¿Comprendió la preocupación?,¿Eligió evidencia pertinente?, ¿Explicó la utilidad?, ¿Hizo visible el límite?, Y después: reintentar.
El propio diseño instruccional del taller de XOLOMON® utiliza práctica, roleplays, feedback conductual y reintentos para convertir estos principios en comportamientos observables.
Cinco señales de un buen Insight
Un Insight conversacional suele tener cinco características:
1. Parte de algo expresado por el interlocutor. No aparece desconectado de la conversación.
2. Selecciona. No intenta utilizar toda la evidencia disponible.
3. Explica utilidad. Hace visible por qué la información puede ayudar a comprender la pregunta.
4. Reconoce límites. No extiende la evidencia más allá de lo que permite.
5. Deja espacio para responder. No convierte la aportación en un monólogo.
Menos evidencia no significa menos rigor
A veces ocurre justamente lo contrario. La selección cuidadosa puede demostrar mayor criterio que una exposición exhaustiva. El MSL no necesita demostrar todo lo que sabe en cada conversación. Necesita utilizar su conocimiento para decidir:
qué evidencia; para qué pregunta; con qué utilidad; y con qué límite.
Ésa es la diferencia entre transmitir información y construir relevancia.
El Insight no ocurre cuando el MSL termina de presentar la evidencia. Ocurre cuando esa evidencia ayuda al interlocutor a comprender mejor algo que realmente le importa.
De información científica a valor científico
El trabajo del MSL no consiste únicamente en trasladar información desde una publicación hacia un profesional de la salud. El verdadero valor aparece cuando puede convertir: conocimiento en comprensión. Y para hacerlo necesita conectar cuatro elementos:
PREOCUPACIÓN → EVIDENCIA → UTILIDAD → LÍMITE
Primero comprender qué importa. Después seleccionar. Después explicar. Y también delimitar. Porque la evidencia científica genera mayor confianza cuando no sólo sabemos explicar su fortaleza. También sabemos reconocer su frontera.
¿Tu equipo Medical convierte evidencia en conversaciones relevantes?
XOLOMON® desarrolla experiencias de aprendizaje para MSLs y equipos Medical orientadas a transformar conocimiento científico en conductas conversacionales observables, practicables y transferibles al campo.
El objetivo no es que los MSLs memoricen más frases. Es que puedan tomar mejores decisiones dentro de conversaciones científicas reales.
Conoce los programas de XOLOMON® para equipos Medical.: www.xolomon.com.mx
Fuentes y lecturas recomendadas
Theron P, Britland M, Holder D, et al. Promoting Best Practices for Medical Science Liaisons: Position Statement from the APPA, IFAPP, MAPS and MSLS. Therapeutic Innovation & Regulatory Science. 2021;55(6):1139–1144. El documento establece recomendaciones sobre el rol del MSL, intercambio científico, integridad y separación de objetivos promocionales. (PubMed Central (PMC)) Consultar en PubMed Central
Medical Affairs Professional Society (MAPS). Standards & Guidance: External Scientific Engagement. Marco para ayudar a Field Medical a planear, ejecutar y evaluar scientific engagements que generen valor para stakeholders externos. (Sociedad Profesional de Asuntos Médicos) Consultar recurso de MAPS
Moss RJ, Smith EB, Anderson G, et al. A Survey of Key Opinion Leaders to Support Curriculum Development in Advanced Medical Science Liaison Training. Therapeutic Innovation & Regulatory Science. 2015;49(1):45–49. La encuesta identifica entre los atributos valorados por KOLs conocimiento, credibilidad científica, rapidez de respuesta y habilidades de comunicación. (PubMed) Consultar en PubMed
Nota editorial
Este artículo presenta un marco de desarrollo de capacidades conversacionales. La selección, comunicación y seguimiento de evidencia científica deben realizarse siempre de acuerdo con la información aprobada, los procedimientos internos de Medical Affairs y los requisitos de Legal, Compliance, farmacovigilancia, privacidad y regulación aplicables en cada organización y mercado.
